阿里开源 VideoRefer：利用 LLM 实现视频对象感知与推理
player.bilibili.com/player.html?bvid=BV1f6r1YqECv
VideoRefer 是阿里开源的一项专门用于视频中对象的感知和推理的技术。该技术包括数据集、模型和基准测试三大核心组件，能够对用户定义的区域进行细粒度的感知、推理和检索，支持单帧和多帧输入。简单来说，就是利用 LLM 来理解视频内容。目前，该模型的代码和模型均已开源。
OpenAI CEO Sam Altman 预测：2025 年 AI 代理将加入劳动力市场
Reflections 是 OpenAI 的 CEO Sam Altman 在其博客上发表的一篇文章。文中，他表达了对构建传统意义上的通用人工智能（AGI）的强烈信心，并预测到 2025 年，AI 代理将“加入劳动力市场”，从而实质性地改变公司的产出方式。
此外，Sam 还发了个推，目前每月 200 美元的 OpenAI Pro 订阅服务正在经历巨额亏损，利好老黄。
VITA-1.5：开源多模态视频语音大模型
player.bilibili.com/player.html?bvid=BV176r1YBE1V
VITA-1.5 是一个开源的多模态视频语音大模型，类似于 GPT-4o，支持实时视频语音交互。它基于 Qwen2.5 模型，具备随时打断的功能。演示视频效果不错，值得一看。佬们可以在VITA-1.5 GitHub 仓库了解更多。
lmsys 文生图竞技场：Recraft V3 领跑
知名大模型竞技场lmsys 近日正式上线了文生图竞技场，社区已对 7 款模型进行了 4 万次投票。
目前，Recraft V3 模型获得榜首，整体排行差不多，不像收了钱的，不过 Midjourney 和国内的各种模型目前都还没有收录。
